AIモデルリーダーボード
チャット、音声、TTS、ASR、コード、画像、動画、エージェント向けのマルチソースAIランキング — arena.ai、OpenRouter、Artificial Analysis から。
| 順位 | モデル | ベンダー | Elo ? | 投票数 ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-opus-5-high | Anthropic | 1520 ±15 | 1,663 | 5.00 | 25.0 | 0.500 |
| 2 | claude-opus-4-6 | Anthropic | 1510 ±6 | 37,271 | 5.00 | 25.0 | 0.500 |
| 3 | claude-opus-4-6-high | Anthropic | 1506 ±7 | 24,973 | 5.00 | 25.0 | 0.500 |
| 4 | claude-fable-5 | Anthropic | 1504 ±9 | 5,792 | 10.0 | 50.0 | 1.00 |
| 5 | claude-opus-4-7 | Anthropic | 1498 ±7 | 18,990 | 5.00 | 25.0 | 0.500 |
| 6 | claude-opus-4-7-high | Anthropic | 1497 ±7 | 18,793 | 5.00 | 25.0 | 0.500 |
| 7 |  gpt-5.5-high | OpenAI | 1485 ±7 | 16,816 | 5.00 | 30.0 | 0.500 |
| 8 | claude-sonnet-4-6 | Anthropic | 1483 ±6 | 54,427 | 3.00 | 15.0 | 0.300 |
| 9 | gpt-5.5 | OpenAI | 1480 ±7 | 17,286 | 5.00 | 30.0 | 0.500 |
| 10 | gpt-5.6-terra-xhigh | OpenAI | 1479 ±13 | 1,969 | 2.00 | 12.0 | 0.200 |
| 11 | gpt-5.6-sol-xhigh | OpenAI | 1479 ±17 | 1,152 | 2.00 | 10.0 | 0.200 |
| 12 | claude-opus-4-8-high | Anthropic | 1475 ±8 | 8,388 | 5.00 | 25.0 | 0.500 |
| 13 |  muse-spark-1.1 | Meta | 1472 ±13 | 2,054 | 1.25 | 4.25 | 0.150 |
| 14 | claude-sonnet-5-high | Anthropic | 1470 ±10 | 3,601 | 2.00 | 10.0 | 0.200 |
| 15 | gpt-5.4 | OpenAI | 1470 ±7 | 29,809 | 2.50 | 15.0 | 0.250 |
ソース: arena.ai · 更新日 Jul 26, 2026 · PandaNpc 更新日 2026年8月29日 06:00 UTC完全なリーダーボードを見る →
数字の見方
arena.ai（旧LMArena）は、ユーザーに同じプロンプトに対する2つの匿名の回答を表示し、どちらかを選んでもらいます。その対戦からEloレーティングを算出します。これは、ユーザーがどちらの回答を好むかを測定するものであり、客観的な能力を測るものではありません。好まれるスタイルが勝つことがあり、厳密だが冗長な回答は負けることがあります。
投票数はモデルが蓄積したバトル数です。新しくリストされたモデルは投票数が少なく信頼区間が広いため、ランクが変動しやすくなります。常にランクを±区間と一緒に読んでください。
エージェントボードは他のボードとは異なる動作をします：ブラインド投票の選好ではなく、実際のエージェントセッションを測定します。その主要指標であるNet Improvementはパーセンテージの増加であり、Eloレーティングではないため、ボード間で比較できません。arena.aiは完全なリーダーボードで、さらに5つの次元（Confirmed Success、Steerability、Bash Recoveryなど）も報告しています。
利用状況ボードはOpenRouterから提供され、実際のAPIトークンシェアをカウントしています — 開発者がウォレットで投票しており、主観的な好みのボードを補完します。
スピーチボードはArtificial Analysisに由来します。TTSはブラインドリスニングのSpeech Arena Eloを使用し、ASRはAA-WER v2を使用します（低いほど優れています）。ネイティブSpeech-to-SpeechはBig Bench Audio、Full Duplex Bench、τ-Voiceの等加重複合スコアを使用します（高いほど優れています）。スコアは同じボード内でのみ比較してください。出典: artificialanalysis.ai
Intelligence IndexボードはArtificial Analysisから提供されています。多くの公開ベンチマークを0-100のIntelligence Indexに集約し、主観的な好みではなく客観的な能力を測定します。これはarena.aiの人間によるブラインド投票に対する自然な補完です。出典: artificialanalysis.ai。